python – pandas数据帧中的编码/分解列表

我试图通过对它们进行分解来编码数据框中的类别列表.然后,我将从这一系列列表中创建一个矩阵(将它们标准化为设定长度,创建一个多维数组,并对矩阵中的元素进行一次热编码).

但是,这些因素不能保持行之间的一致性.
这可以在这里看到：

>>> import pandas as pd
>>> df = pd.DataFrame({'A': [ ['Other', 'Male', 'Female', 'Male', 'Other'], ['Female', 'Other', 'Male'] ]})
>>> df['B'] = df.A.apply(lambda x: pd.factorize(x)[0])
>>> df
                                    A                B
0  [Other, Male, Female, Male, Other]  [0, 1, 2, 1, 0]
1               [Female, Other, Male]        [0, 1, 2]

有谁知道如何维护这个系列的编码在行之间是相同的？

解决方法:

您可以使用sklearn中的LabelEncoder：

适合编码器：

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit([s for l in df.A for s in l])

转换列：

df.A.apply(le.transform)
#0    [2, 1, 0, 1, 2]
#1          [0, 2, 1]
#Name: A, dtype: object

le.classes_
#array(['Female', 'Male', 'Other'], 
#      dtype='<U6')